Hollis-2026年大模型应用开发实战，MCP+Agent+RAG+Skill+上下文工程+SpringAl+项目实战【系统课】

课程目录

1.代码介绍&应用启动/
01.课程介绍+如何答疑  .mp4
02.【重要】课程设计说明  36.mp4
03.重要说明+如何下载代码  .mp4
04.代码目录结构&应用如何启动  .mp4
10.上下文工程/
123. 什么是Context，和Memory、Prompt、Token之间的区别？  398.mp4
124. 上下文太长会带来什么问题？  .mp4
125. 什么是上下文工程？  613.mp4
126. 实战：Manus的上下文工程实践  .mp4
11.Skill/
127. 什么是Agent Skills，为什么需要他？  .mp4
128. Skill的渐进式披露  .mp4
129. 一些好用的Skills推荐  .mp4
130. Claude Code中如何使用Skills  .mp4
131. 实战：开发一个简历评估的Skill  .mp4
132. 简历评估Skills讲解  .mp4
133. SpringAI中如何使用Skill？（Agent）  .mp4
134. SpringAI中如何使用Skill？（ChatClient）  .mp4
135.OpenCode (CC的开源版)中的Skills的实现原理  .mp4
136.Spring Al中Skill集成的实现原理  .mp4
137.Agent Skills的安全问题  .mp4
138.Claude Code中的Skills实现原理  .mp4
12.模型微调/
1.大模型是怎么训练出来的  .mp4
10.如何判断训练的好坏  .mp4
11.如何部署大模型服务  .mp4
12.训练效果如何评测  .mp4
13.评测我们的模型  .mp4
2.为什么需要大模型微调  .mp4
3.大模型微调的方法  .mp4
4.训练服务器准备  .mp4
5.训练框架选择  .mp4
6.训练环境配置&踩坑记录  .mp4
7.数据集如何准备？  .mp4
8.启动模型训练（上）  .mp4
9.启动模型训练（下）  .mp4
13.AgentScope/
1.初识AgentScope框架，与Spring AI Alibaba的区别  .mp4
10.AgentScope Java特性：RAG  .mp4
11.AgentScope Java进阶：Skill  .mp4
12.AgentScope Java进阶：Human-in-the-Loop  .mp4
13.AgentScope Java进阶：Plan-and-Execute  .mp4
2.ASJ中的流式输出、结构化输出、超时重试、执行控制  .mp4
3.ASJ中的多轮对话与会话持久化  .mp4
4.AgentScope Java特性：Hook  .mp4
5.ASJ中的智能上下文压缩过程及原理  .mp4
6.如何基于百炼实现长期记忆  .mp4
7.实现AgentScope的三层记忆体系  .mp4
8.AgentScope Java特性：工具集成  .mp4
9.AgentScope Java特性：MCP接入  .mp4
14.项目实战/
139. 整体架构与功能点介绍  .mp4
140. 项目运行说明  .mp4
141. 智能对话：从需求分析到技术落地  .mp4
142. 流式控制与任务管理  .mp4
143.流式响应的一些重要概念  .mp4
144.文件问答助手如何实现  .mp4
145.大文件如何处理  .mp4
146.智能体生成PPT的几种方式  .mp4
147.模板填充PPT需求分析  .mp4
148.PPT生成智能体  .mp4
149.如何输出稳定的PPT  .mp4
150.用Python-PPTX渲染出PPT  .mp4
151.PPT生成失败策略与断点恢复  .mp4
152.实现DeepResearch (上)  .mp4
153.实现DeepResearch (下)  .mp4
154.Agent Skills到底是如何实现的？  .mp4
155.智能体如何拥有操作系统的能力？  .mp4
156.spring-ai-agent-utils中的skills  .mp4
157.Think模型与输出解析  .mp4
158.分阶段流式输出  .mp4
159.重写 PPTX Skill  .mp4
160.上下文压缩：micro_compact  .mp4
161.上下文压缩：auto_compact  .mp4
15.项目实战2--智能客服/
154.技术选型  .mp4
155.为什么不用Java解析PDF文档  .mp4
156.为什么选择MinerU解析文档  .mp4
157.MinerU文档处理功能实现  .mp4
158.项目初始化+文档上传处理  .mp4
159.在Java代码中把MinerU解析文档功能集成进来(先导)  .mp4
160.在Java代码中把MinerU解析文档功能集成进来（上)  .mp4
161.在Java代码中把MinerU解析文档功能集成进来（中)  .mp4
162.在Java代码中把MinerU解析文档功能集成进来（下)  .mp4
163.文档索引构建流程——文档切分  .mp4
164.chunkSize和overlap设置成多少比较合适  .mp4
165.文档索引构建流程——zip解压及markdown图片上传  .mp4
166.文档索引构建流程——图片转描述  .mp4
167.接入ElasticSearch做向量存储  .mp4
168.文档索引构建流程——向量存储  .mp4
169.向量维度如何设置  .mp4
170.文档预处理阶段全流程讲解  .mp4
171.XXL-JOB部署及用任务驱动文档处理流程  .mp4
172.阶段性代码优化(上)  .mp4
173.阶段性代码优化(中)——分布式锁接入  .mp4
174.阶段性代码优化(中）——分布式锁验证  .mp4
175.阶段性代码优化(下)——性能优化+雪花算法实现唯一分片ID  .mp4
176.RAG中如何针对word文档做支持  .mp4
177.RAG中如何针对excel文件做支持&多种分段方案实现  .mp4
178.对话相关表结构及流程设计  .mp4
179.虚拟线程+flash模型生成对话标题摘要  .mp4
180.意图识别如何实现？180.如何优化？  .mp4
181.项目中意图识别提示词的优化  .mp4
182.非汽车相关咨询意图对话实现  .mp4
183.LangChain4J中的RAG执行流程  .mp4
184.如何针对用户的问题做重写？  .mp4
185.如何实现查询路由  .mp4
186.如何基于Ela186.混合检索？  .mp4
187.langchain4j-elasticsearch混合检索不支持开源版怎么办？  .mp4
188.自定义基于ElasticSearch的向量检索器  .mp4
189.父子分段的切分和检索逻辑  .mp4
190.多级缓存实现chunk的快速检索  .mp4
191.使用BGE-ReRanker针对检索结果做重排序  .mp4
192.根据不同的意图实现定制化提示词  .mp4
193.基于RAG做问答全流程代码完善  .mp4
194.项目中问题回答全流程讲解  .mp4
195.如何把RAG的过程内容返回给用户  .mp4
196.如何把引用文档内容返回给用户？  .mp4
197.将模型返回的对话内容，保存在数据库中  .mp4
198.多轮对话的支持  .mp4
199.引入多轮对话后的上下文隔离  .mp4
200.根据不同的意图实现定制化提示词（多轮对话版本）  .mp4
201.问题重写支持多轮对话  .mp4
202.接入登录，实现用户级对话隔离  .mp4
16.RAG评测/
202.为什么需要对RAG做评测？  .mp4
203.RAG测评之RAG Triad  .mp4
204.RAG的核心评测指标有哪些？  .mp4
205.LLM-as-a-Judge  .mp4
206.RAGAS框架初探&实现原理（上）  .mp4
207.RAGAS框架初探&实现原理（下）  .mp4
208.RAGAS评测时，如何抑制模型幻觉导致的结果不稳定问题？  .mp4
209.如何准备评测集&什么是好的评测集  .mp4
210.基于文档生成用于评测的数据集  .mp4
211.针对问题生成RAG系统的回答  .mp4
212.know-engine评测集生成&评测运行&问题  .mp4
213.BM25检索问题优化  .mp4
214.BM25检索问题优化（补充）  .mp4
215.解决mineru不支持多级标题解析的问题  .mp4
216.遇到RRF融合乱序和结果重复问题  .mp4
217.解决RRF融合乱序和结果重复问题  .mp4
218.通过精筛+bug修复，提升上下文准确率  .mp4
17.模拟面试/
232.应届，Agent智能体，数藏项目  .mp4
233.应届，电商项目，Agent智能体项目  .mp4
234.4年经验，dodo，react、rag、rrf  .mp4
235.6年，agent，rag，分段，评测  .mp4
236.2年，智能客服，意图识别，智能体编排、评测  .mp4
237.2年，AI客服，记忆、rag、hnsw、重排、react  .mp4
238.3年经验，ai工单，ai质检，bad case，意图识别  .mp4
18.Harness&Loop Engineering/
1.什么是Harness Engineering？  .mp4
2.什么是Loop Engineering  .mp4
3.Loop Engineering是不是新瓶装旧酒？  .mp4
2.大模型应用开发概述/
06.行业趋势与岗位需求分析  .mp4
07. 什么是大模型  829.mp4
08. 大模型的工作原理  .mp4
09.Java 在大模型应用开发中的优势  131.mp4
10.大模型应用开发常用的平台  793.mp4
11.百炼介绍与基本使用  758.mp4
12.基于Ollama部署本地模型  240.mp4
13.大模型的局限性以及常见解决方案  615.mp4
14. LLM HelloWorld  768.mp4
3.提示词工程/
15. 什么是Prompt  525.mp4
16. 如何设计Prompt？  .mp4
17. 高阶Prompt优化方法  532.mp4
18. 结构化Prompt框架  907.mp4
19. Prompt评测方法  281.mp4
19. Prompt评测方法  (1)  .mp4
20. nof1提示词工程案例  729.mp4
21. 理解 OpenAI API  .mp4
4.SpringAl/
22. Java中大模型调用的多种方式  .mp4
23. 基于SSE实现大模型流式输出  .mp4
24. LLM应用开发框架：LangChain  .mp4
25. 接入Spring AI 与Spring AI Alibaba  .mp4
26. 开发必备的Spring AI核心概念(上）  .mp4
27. 开发必备的Spring AI核心概念(下）  .mp4
28. Spring AI 核心特性：提示词工程  .mp4
29. Spring AI 核心特性：流式输出  .mp4
30. Spring AI 核心特性：提示词模板管理  .mp4
31. Spring AI 核心特性：结构化输出（上）  .mp4
32.Spring AI 核心特性：结构化输出（中）  .mp4
33.Spring AI 核心特性：结构化输出（下） 2026-02-11  1168 次学习  .mp4
34. Spring AI 核心特性：对话记忆  .mp4
35. Spring AI 记忆管理技术：持久化记忆  .mp4
36. Spring AI 核心特性：Advisor  .mp4
37. Spring AI 核心特性：调用本地模型  .mp4
5.LangChain4J/
38. 初识LangChain4j  .mp4
39. LangChain4J低层次API使用  .mp4
40. LangChain4j高层次API使用  .mp4
41. @AiService实现原理  .mp4
42. LangChain4j中实现持久化记忆  .mp4
43. Spring AI & Spring AI Alibaba & Langchain4j  .mp4
6.Function Call/
44. 什么是Function Call  199.mp4
45. 如何定义一个好的Function  71.mp4
46. 使用Spring AI做Function Call  446.mp4
47. Spring AI中的Tool Calling怎么实现的  732.mp4
48. 实战：仿PDD自动帮买家申请退款  .mp4
7.MCP/
49. 什么是MCP  151.mp4
50. 深入理解MCP技术原理  .mp4
51. 如何接入MCP Server  .mp4
52. 使用Spring AI开发MCP Server  .mp4
53. 使用Spring AI开发MCP Client  673.mp4
54. Spring AI MCP调用实现原理  715.mp4
55. SSE MCP Server如何实现重连  .mp4
56. 将MCP改造为HTTPS  617.mp4
57. MCP如何实现认证鉴权  244.mp4
58. 神奇的context-path  .mp4
59. MCP调试工具  654.mp4
60. 如何跳过MCP的模型总结  .mp4
61. 如何实现MCP工具过滤  .mp4
62. MCP与其他协议的区别  429.mp4
8.RAG/
100. 实战：多模态RAG智能问答系统（中）  .mp4
101. 实战：多模态RAG智能问答系统（下）  .mp4
63. 什么是RAG？  295.mp4
64. 深入理解RAG技术原理——索引构建  .mp4
65.深入理解RAG技术原理——检索生成  528.mp4
66. 使用 LlamaIndex 构建一个简单的RAG系统  510.mp4
67. RAG的范式演进  957.mp4
68. 文档预处理（上）  .mp4
69. 文档预处理（中）  .mp4
70. 文档预处理（下）  .mp4
71. 常见文档分片方式  .mp4
72.Java中如何实现文档分片  .mp4
73. 自定义支持父子分片的基于标题的分片器  .mp4
74. 向量模型&向量数据库&向量存储  .mp4
75. （选学）PostgresMlEmbeddingModel  866.mp4
76. 向量数据库如何选型？  124.mp4
77. （选学）如何使用离线向量模型  877.mp4
78. 索引构建流程（ETL）总结与查缺补漏  893.mp4
79. 检索增强生成  88.mp4
80. Spring AI 和 LangChain4J中文档处理功能对比  679.mp4
81. RAG优化技术：元数据过滤  .mp4
82. RAG优化技术：问题改写  .mp4
83. RAG优化技术：查询路由  .mp4
84. RAG优化技术：查询构造  54.mp4
85. RAG优化技术：问题澄清  635.mp4
86. RAG优化技术：HyDE  420.mp4
87. RAG优化技术：混合检索(上）  .mp4
88. RAG优化技术：混合检索(中）  .mp4
89. RAG优化技术：混合检索(下）  .mp4
90. RAG优化技术：重排序  .mp4
91. RAG优化技术：Graph RAG（上）  999.mp4
92.RAG优化技术：Graph 92.RAG（下）  .mp4
93. Spring AI中的Modular RAG支持  .mp4
94. LangChain4J中的Modular RAG支持  479.mp4
95. 基于LangChain4J实现简单的RAG检索  .mp4
96. Spring AI 和 LangChain4J的模块化RAG功能对比  554.mp4
97. 多模态RAG  550.mp4
98. 多模态RAG——对接多模态模型做图像识别  .mp4
99.实战：多模态RAG智能问答系统（上）  .mp4
9.Agent/
102. 什么是AI Agent？  432.mp4
103. 常用的Agent开发框架  829.mp4
104.Agent常用架构：ReAct Agent  .mp4
105.React Agent的实现方式？  .mp4
106. Alibaba-React Agent 初探  .mp4
107. Alibaba-React Agent 核心组件  139.mp4
108. 如何给Agent增加持久化记忆  .mp4
109. 深入理解 Alibaba-React Agent 原理  .mp4
110. Agent常用架构：Plan and Execute Agent  734.mp4
111. Agent常用架构：Reflection Agent  429.mp4
112. Agent常用架构：Human in the Loop  .mp4
113. Agent常用架构：Multi Agent  .mp4
114. 使用AutoGen 构建一个代码生成器  .mp4
115. Spring AI Alibaba中的多智能体支持  .mp4
116. 多智能体协议——A2A  109.mp4
117. 实战一：手搓ReactAgent（非流式）  .mp4
118. 实战一：手搓ReactAgent（流式）  .mp4
119. 实战一（后续）：ReactAgent流式输出有问题？  19.mp4
120. 实战二：手搓ReflectionAgent  .mp4
121. 实战三：手搓PlanExecuteAgent  .mp4
122. 实战四：手搓Human in the Loop  .mp4
文档资料.zip
课程大纲.png